别再凭感觉定价：AI产品商业化的三套新方法

在这场关于AI定价的演讲中，Orb联合创始人兼CEO Alvaro Morales分享了他在一线服务AI公司的真实经验：为什么传统SaaS定价在AI时代频频失效，以及行业正在形成的三套全新定价框架。文章带你理解AI成本结构的剧变、GitHub Copilot等产品背后的取舍，并深入讲清“结果导向定价”为何可能改变游戏规则。

为什么AI定价，比以往任何软件都更难

如果说软件定价一直是“艺术与科学的结合”，那AI定价正在把这门艺术推向极限。Alvaro一开场就点出问题的核心：为了让AI创新生态真正可持续，光有技术突破是不够的，还必须“捕获价值并有效变现”。而难点在于，AI的成本和价值，都在以前所未有的速度变化。

他总结了AI定价之所以“独特而复杂”的几个关键原因。首先是模型和推理成本（inference cost）变化极快。模型更新、算力价格波动、推理效率优化，都会直接影响单位请求的真实成本，这让任何“拍脑袋”的定价都可能在几个月内失效。其次，用户对AI价值的感知极不稳定：同样一个功能，在不同使用场景下，可能是“可有可无”，也可能是“离不开”。

正因为这种不确定性，行业里已经出现了明显的教训。Alvaro在演讲中提到，某些高价AI订阅方案（例如定价在200美元级别的产品）后来被证明是“loss driver”，即表面上收入不低，实际上却在持续亏损。他直言不讳地抛出一句金句：“也许作为一个行业，我们不应该再凭vibes来定价（we should not be pricing on vibes）。”

这句话背后，是他在Orb服务大量AI公司的共同观察：当成本结构本身高度动态时，沿用传统SaaS那套按席位、按版本的思路，很容易把公司拖进一个不可持续的商业模型里。

第一套框架：你真的应该为AI功能收费吗？

在讨论“怎么定价”之前，Alvaro先抛出了一个看似简单、却经常被忽略的问题：“Should you monetize AI？”——你真的应该为这个AI功能单独收费吗？

他给出的答案并不是非黑即白，而是取决于AI在产品中的角色。通过几个具体产品的对比，这一点变得非常清晰。比如GitHub Copilot，AI能力本身就是核心价值：它直接改变了开发者写代码的方式，因此用户愿意为“持续获得更好代码建议”这件事付费。而在Notion中，AI更多是一个增强现有工作流的功能，它是否单独收费、如何收费，就需要非常谨慎地权衡用户心理预期。

Alvaro还分享了一个“更偏门”的例子，说明有些AI能力并不适合直接货币化，而更适合作为增长或留存工具存在。原因在于，如果AI带来的价值难以被用户明确感知，强行收费反而会抑制使用，最终伤害整个产品生态。

这一部分的关键洞见在于：AI不是天然的收费项。是否收费，取决于它是否构成了“新的、可感知的价值单元”。如果AI只是让原有功能“更顺滑”，那它的商业角色，可能更接近基础设施，而不是独立商品。

第二套框架：选错价值指标，定价一定失败

一旦决定要收费，下一个生死攸关的问题就是：用什么作为价值指标（value metric）？Alvaro强调，这是AI定价中“最重要的考虑之一”。

传统SaaS常用的指标包括席位数、功能层级或使用频率，但在AI场景下，这些指标往往与真实成本和真实价值脱节。例如，按用户数收费，可能完全无法反映某个客户对模型推理资源的巨大消耗；而只按调用次数计费，又可能让用户在关键场景中畏手畏脚，不敢用。

在演讲中，他逐步引出了一种更具前瞻性的方向——结果导向定价（outcome-based pricing）。与其为“使用了多少AI”收费，不如为“AI最终帮你达成了什么结果”收费。Alvaro认为，这种方式之所以令人兴奋，是因为它在理论上第一次让厂商收入与客户成功真正对齐。

当然，他也没有把这件事说得过于理想化。结果导向定价的难点在于定义和衡量结果：什么算成功？如何避免外部因素干扰？这些都对产品和计费系统提出了极高要求。但正因为难，这也成为AI公司建立长期护城河的机会。

从理念到落地：Orb如何用模拟推演定价策略

理念如果不能落地，终究只是“好听的故事”。在演讲后半段，Alvaro用Orb的真实产品演示，展示了这些定价思路在实践中是如何被验证的。

他现场演示了Orb中的“Simulations”功能：团队可以先定义不同的定价方案和价值指标，再基于历史或假设数据，模拟在不同用户行为下的收入与成本结构。这种方式的关键，不是追求一个“完美价格”，而是提前暴露风险——例如在某些极端使用模式下，某个方案是否会迅速变成亏损。

Alvaro提到，正是通过这种反复模拟，很多公司才第一次意识到，看似合理的定价在规模化之后会出现严重问题。相比等到真实账单出来再后悔，用模拟“提前犯错”，成本要低得多。

这一段也呼应了他在结尾的呼吁：AI公司需要“建立起思考定价策略的肌肉”。定价不是一次性决策，而是一个需要随着模型、成本和用户行为不断调整的长期能力。

总结

这场演讲的价值，不在于给出一个“正确的AI定价公式”，而在于提供了一套更成熟的思考方式：先判断AI是否值得收费，再选择真正反映价值的指标，最后用数据和模拟不断校准。正如Alvaro所提醒的，AI时代最大的风险之一，就是用旧世界的直觉，去管理一个成本和价值都高度动态的新世界。对所有AI创业者来说，定价本身，已经成为核心竞争力。

关键词： AI定价， 结果导向定价， 推理成本， GitHub Copilot， Orb

事实核查备注： 演讲者：Alvaro Morales（Orb联合创始人兼CEO）；公司与产品：Orb、GitHub Copilot、Notion AI、Perplexity；关键原话："we should not be pricing on vibes"、"Should you monetize AI？"；价格数字：200美元级别订阅被描述为loss driver；核心概念：推理成本（inference cost）、价值指标（value metric）、结果导向定价（outcome-based pricing）、Orb Simulations。